鱼粉中肉骨粉含量的近红外反射光谱分析牛智有　韩鲁佳　苏晓鸥　杨振海

【摘要】　收集了 112 个鱼粉和 34 个肉骨粉样品，在鱼粉中掺入不同比例 (5%~60% ) 的肉骨粉， 制备了 163 个样本。应

用偏最小二乘 (PLS) 定标方法， 在 8678.10~ 4250.34 cm- 1 波数范围内， 采用变量标准化 (SNV)、7 点平滑和一阶导数对

光谱进行预处理，建立了鱼粉中肉骨粉含量的 NIRS 定量分析模型。定标集真值与 NIRS 定标模型预测值之间的决定系

数 R2 和标准差 RMSEC 分别为 0.9529 和 3.22，相对分析误差 RPD 为 4.798。验证集真值与 NIRS 预测值之间的决定系

数 r2 及标准差 RMSEP 分别为 0.9668 和 2.68，相对分析误差 RPD 为 5.484。结果表明， 利用 NIRS 分析技术可准确地

检测鱼粉中肉骨粉含量。

关键词： 鱼粉　肉骨粉　近红外反射光谱　偏最小二乘

引言鱼粉是主要蛋白质饲料原料，其中氨基酸含量丰富且

配比合理，在饲养、养殖行业中起着不可替代的作用。由

于鱼粉品质好、用量大、价格高，因此鱼粉掺假现象日趋

严重。据资料统计，从最近 4 年受检的鱼粉镜检统计结果

来看，进口鱼粉平均掺杂率为 27.5% ，而国产鱼粉平均掺

杂率竟高达 73.5% [1]。肉骨粉 (meat and bone meal，简称

MBM ) 作为动物性蛋白质饲料原料，因其中骨骼及结缔

组织的含量较大，且含有较多血、蹄角及毛发等物，虽然

蛋白质含量高，但其利用率较低。另外由于“疯牛病”的

传播，世界各国政府纷纷作出限制或禁用肉骨粉的各种管

理规定，因此肉骨粉从其品质和市场价格上和鱼粉是无法

比拟的。为了降低生产成本，牟取暴利，一些鱼粉加工企

业、经销商、饲料生产企业在鱼粉中掺杂肉骨粉，以次充

好，不仅扰乱了市场秩序 , 侵害了消费者的利益，同时也

造成一定的隐患。因此，寻求一种快速、有效的检测方法

显得非常重要。

本研究利用近红外反射光谱快速检测分析技术，研究

建立鱼粉中肉骨粉含量的定量快速检测方法，对于加大饲

料质量监督检测力度，促进饲料产品质量水平的提高，确

保饲料安全，防止“疯牛病”在我国蔓延，具有重要的现

实意义。

1　材料与方法1.1　样本的制备

收集鱼粉样品 112 个，其中国产 87 个，分别来自山

东、辽宁、浙江、河北等省鱼粉加工厂或饲料生产企业； 进口 25 个，分别来自秘鲁、智利、俄罗斯、美国等国家。

肉骨粉样品 34 个，其中国产 28 个、进口 6 个。用电子分

析天平 (AB204-E 型 ) 准确称量，在鱼粉中掺入不同比例

(5%~60% ) 的肉骨粉，共制备 163 个试验样本，并以鱼粉

中掺入肉骨粉的比例作为样本的真值，真值范围为 5%~ 60% ，平均值为 32.23% ，标准偏差 SD 为 15.45%。

利用高速万能粉碎机 (FW 135 型 ) 粉碎样品，使之全

部通过 1mm 标准筛孔，并混合均匀。

1.2　近红外反射光谱仪及参数设定

热电公司生产的 Antaris 360N 型傅里叶变换近红外反

射光谱仪：光源为钨卤灯，检测器为铟镓砷 ( InGaAs) ，带漫反射积分球附件和旋转式石英样品池 ( 内径 5cm ) ，标准陶瓷片作为参比。

近红外光谱仪参数设定： 扫描范围 10000~4000 cm- 1，

扫描次数 32 次，采样间隔 3.857 cm- 1, 分辨率 8cm- 1。

1.3　异常样本的判别方法

采用偏最小二乘 PL S 算法和留一全交互验证法 (cro ss-validation) 对全部样本光谱进行异常值检验。光谱和化

学值异常 (oulier) 分别采用光谱杠杆值 ( leverage) 和学生

残差 ( residual) 两个统计量 [2], 光谱杠杆值的阈值设为各样

本平均影响值的 2 倍 , 如果大于该阈值，则可判断该样本

光谱异常。学生残差的阈值设为样本平均值的 3 倍，大于

该阈值意味着该样本化学值异常。光谱和化学值均异常的

样本为“特异”样本，从样本集中剔除 [3]。

1.4　近红外分析模型的定标方法

采用 PLS 法建立 NIRS 定标模型，以定标集决定系数

(R2) 和标准差 (RM SEC)、交互验证决定系数 (1-VR) 和交

互验证标准差 (RM SECV)、验证集决定系数 ( r2 ) 和标准

差 (RM SEP) 作为衡量定标模型质量优劣的指标 [4-5 ] ，显

然各项决定系数越大，标准差越小，表明模型的定标效果

越好，预测精度越高。用相对分析误差 RPD 对定标模型

的定标效果和预测精度进行进一步验证 [6]。如果 RPD> 3，则说明定标效果良好，预测精度高，所建立的 NIRS 定标

模型可用于实际检测； 如果 2.5 < RPD < 3，说明用 NIRS 分析技术对该成分进行定量分析是可行的 , 但其预测精度

有待于进一步提高； 如果 RPD< 2.5, 则说明该组分难以进

行 NIRS 定量检测分析 [ 7 ]。

2　结果与分析2.1　样本近红外反射光谱

图 1 为鱼粉和肉骨粉的近红外反射光谱。从图中可

以看出，鱼粉和肉骨粉的光谱吸收主要集中在 7000~4000 cm-1 波 数 范 围 内， 大 约 在 6667、5782、5152、4869、4601、4333、4260cm-1 有强烈的吸收峰，并且两者的光谱

十分相似。

新应用 N

ew A

pplication

图 2 为鱼粉和肉骨粉近红外反射光谱的二阶导数。从

图中可以观察到，图 1 中吸收带能够完全分辨出来，两者

的波形有明显的区别。

图 1：鱼粉和肉骨粉的近红外反射光谱

图 2：鱼粉和肉骨粉近红外反射光谱二阶导数

图 3：样本异常值检验结果

2.3　光谱预处理方法的确定

2.3.1 散射校正方法的选择

利用智能化定量分析软件 (TQ Analysis v6.0)，在最

优的 8678.10~4250.34 cm-1 波数范围内，对光谱进行不同

的散射校正 (MSC、SNV) 处理 , 定标结果见表 2。从表 2 中可以看出，选择采用变量标准化 (SNV) 散射

校正时，与附加散射校正 (MSC) 相比，定标集和验证集

决定系数最大，标准差最小，说明对光谱进行变量标准化

(SNV) 散射校正处理，具有最优的定标效果。所以选择变

量标准化 (SNV) 为 NIRS 定量分析的散射校正方法。

2.3.2　数学处理方法的选择

在 8678.10~4250.34cm-1 最优波数范围内 , 采用变量

标准化 (SNV) 散射校正方法，对样本光谱分别进行 7 点

平滑、导数 ( 一阶导数、二阶导数 ) 及其与平滑组合 5 种数学处理，以选择最优的数学处理方法。定标结果见表 3。

从表 3 中可以看出，尽管光谱采用平滑和二阶导数数

学处理时，与其他数学处理方法比较，定标集决定系数

R2= 0.9717 为最大，标准差 RM SEC=2.59 为最小，但交

互验证和验证集决定系数和标准差并非为最优结果。考虑

定标模型的稳定性和预测精度，选择 7 点平滑和一阶导数

相结合的数学处理方法为建立 NIRS 定标模型的光谱数学

预处理方法。

2.4　NIRS 定标模型的建立与验证

根据上述分析，在 8678.10~4250.34 cm-1 最优波数范

围内，对光谱进行变量标准化 (SNV )、7 点平滑和一阶导

数预处理，建立了鱼粉中肉骨粉含量的的 NIRS 定标模型。

用所建的 NIRS 定标模型，对 30 个验证集样本中肉

骨粉含量进行预测，并采用相对分析误差 RPD 对定标模

型的预测精度和可靠性进行进一步评价。定标和验证结果

见表 4。从表 4 中可以看出，不论定标集还是验证集，鱼粉中

肉骨粉含量的真值与 NIRS 定标模型预测值之间的决定系

数 R2 ( 或 r2) 都在 0.95 以上，具有很好的线性相关性； 相对分析误差 RPD 均大于 3，具有较高的预测精度，说明所

建立的 NIRS 定标模型比较理想，可以用于实际检测。

采用一元线性回归的方法，分别得到定标集和验证集

样本中肉骨粉含量的真值与 NIRS 定标模型预测值之间的

线性相关关系，如图 4~ 5 所示。

3　结论（1）应用偏最小二乘 (PLS) 定标方法，在 8678.10~

4250.34cm-1 最优的波数范围内，对样本光谱进行变量标

准化 SNV、7 点平滑和一阶导数预处理，建立了鱼粉中

肉骨粉含量的 NIRS 定标模型。定标集真值与 NIRS 定标

2.2　异常样本的剔除

通过计算，样本光谱杠杆值的平均值为 0.049, 则其阈

值为 0.098； 真值学生残差的平均值为 0.822, 其阈值则为

2.466。检验结果如图 3 所示。

从图 3 可看出，012 号 L = 0.099，R = - 2.513)、045 号 (L = 0.103，R = - 2.746) 、029 号 (L =0.157，R = - 2.635) 样本的光谱和真值均异常，应从样本集中剔除，所以实际用

于 NIRS 定量分析的只有 160 个样本。从样本集中选取 30个作为验证集，其余 130 个为定标集。定标集样本用于建

立 NIRS 定标模型，验证集样本用于检验 NIRS 定标模型

的预测精度和可靠性。定标集和验证集样本中肉骨粉含量

统计结果见表 1。

表 1：定标集和验证集鱼粉中肉骨粉含量统计结果 新应用 N

ew A

pplication

表 2：不同散射校正方法定标结果

注：数学处理方法：7 点平滑和一阶导数

表 3：样本不同数学处理方法定标结果

注 : 散射校正方法 : 变量标准化 SNV

表 4：鱼粉中肉骨粉含量的定标与验证结果

注：RPD= SD/SEC (SEP)。SD 为定标集和验证集样本标准偏差 , SEC 和 SEP 分别为定标集和验证集标准分析误差

图 4：鱼粉中肉骨粉含量的真值与 NIRS 预测值

相关关系 ( 定标集 )图 5：鱼粉中肉骨粉含量的真值与 NIRS 预测值相

关关系 ( 验证集 )

模型预测值之间的决定系数 R2 和标准差 RM SEC 分别为

0.9529 和 3.22, 相对分析误差 RPD= 4.798>3，取得良好的

定标效果。

(2) 用建立的 NIRS 定标模型对 30 个验证集样本进行

预测，其真值与 NIRS 预测值决定系数 r2 和标准差 RM SEP 分别为 0.9668 和 2.68，相对分析误差 RPD= 5.484>3，

获得理想的预测精度。

(3) 利用近红外反射光谱分析技术能够定量、准确

地检测鱼粉中肉骨粉的含量。由于近红外分析技术是一

种快速、简便、有效的检测分析方法，通过 NIRS 分析，

建立 NIRS 定标模型，可以达到检测鱼粉中肉骨粉含量

的目的。

新应用 N

ew A

pplication